最长子序列总结

2024-03-04 17:28
文章标签 总结 序列 长子

本文主要是介绍最长子序列总结,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

这是最长上升子序列最基础的例子:
给定一串数字 3 2 4 5 1 那么他的最长上升子序列就是 3 4 5
其衍生问题为:

  • 求最长递减子序列、求正方向反方向最长递增/递减子序列
  • 求先上升后下降的最长子序列、
  • 求能完全覆盖整个序列的最小下降子序列个数
  • 求能完全覆盖整个序列的最小上升和下降子序列的和
  • 求最长上升子序列的和

LIS (最长上升子序列,Longest Increasing Subsequence)
LCS (最长公共子序列,Longest Common Subsequence)
LCIS (最长公共上升子序列,Longest Common Increasing Subsequence)

1. 求向左向右最长下降子序列长度
AcWing 1017. 怪盗基德的滑翔翼

给定一个数组,求向左或向右的最长下降子序列

输入格式

输入数据第一行是一个整数K,代表有K组测试数据。
每组测试数据包含两行:第一行是一个整数N,代表有N幢建筑。第二行包含N个不同的整数,每一个对应一幢建筑的高度h,按照建筑的排列顺序给出。

输出格式

对于每一组测试数据,输出一行,包含一个整数,代表怪盗基德最多可以经过的建筑数量。

数据范围

1≤K≤100,
1≤N≤100,
0

#include <bits/stdc++.h>
using namespace std;
const int N = 110;
int n;
int a[N], f[N];
int main()
{int K;cin >> K;while(K--){cin >> n;for(int i = 1;i <=n; i++) cin >> a[i];int res = 0;//背两段正反上升子序列模版//正向求解LIS问题for(int i = 1; i <= n;i ++){f[i] = 1;for(int j = 1; j < i; j ++)if(a[i] > a[j]) f[i] = max(f[i], f[j] + 1);res = max(res, f[i]);}//反向求解LIS问题for(int i = n; i >=1 ; i --){f[i] = 1;for(int j = n; j > i ; j --)if(a[i] > a[j]) f[i] = max(f[i], f[j] + 1);res = max(res, f[i]);  }cout << res << endl;}return 0;
}
2. 求先上升后下降的最长子序列
AcWing 1014. 登山

登山是先上山后下山求最大经过点数
可以思考为从peak分割,求左最长上升+右最长下降

输入格式

第一行包含整数N,表示景点数量。
第二行包含N个整数,表示每个景点的海拔。

输出格式

输出一个整数,表示最多能浏览的景点数。

数据范围
2≤N≤1000
输入样例:
8
186 186 150 200 160 130 197 220
输出样例:
4
//先上升后下降,所以对于peak a[k],向左向右各求最长下降子序列,也可以理解成反向上升
//所以就是a[1]到a[k-1]的最长上升子序列和a[n]到a[k-1]的最长上升子序列之和
#include <bits/stdc++.h>
using namespace std;
const int N = 1010;
int n;
int a[N], f[N], g[N];
int main()
{cin >> n;for(int i = 1; i <= n; i ++ ) cin >> a[i];for(int i = 1; i <= n; i ++ ){f[i] = 1;for(int j = 1; j <= i; j ++)if (a[i] > a[j]) f[i] = max(f[i], f[j] + 1);}for(int i = n; i >= 1; i --){g[i] = 1;for(int j = n; j >= i; j --)if(a[i] > a[j]) g[i] = max(g[i], g[j] + 1);}int res = 0;for(int i = 1; i <= n; i++)res = max(res, f[i] + g[i]-1);//要记得-1,peak是重合的cout << res;return 0;}
AcWing 482. 合唱队行

给定一群人的身高,按中间高两边低站队,问多少人出列才能让剩下的人排成合法队形
意思就是问 挑出几个人才能满足合唱队列,和爬山一样的,只不过是输出剩下的

#include <bits/stdc++.h>
using namespace std;
const int N = 110;
int n;
int f[N], g[N], a[N];
int main()
{cin >> n;for(int i = 1;i <= n; i ++ ) cin >> a[i];for(int i = 1; i <=n; i ++ ){f[i] = 1;for(int j = 1; j <=i; j ++ )if (a[i] > a[j]) f[i] = max(f[i],f[j] + 1);}for(int i = n;i >= 1; i --){g[i] = 1;for(int j = n; j >= i; j--)if(a[i] > a[j]) g[i] = max(g[i],g[j] + 1);}int res = 0;for(int i = 1;i <=n; i++) res = max(res, f[i]+g[i]-1);cout << n-res; //就这里不同return 0;}
3. 实际问题抽象为最长上升子序列问题
AAcWing 1012. 友好城市

一条河南北两边有友好城市对
求航线不交叉的最大值
其实想一下,不交叉就是一侧排序,求另一侧上升子序列最大数

输入格式

第1行,一个整数N,表示城市数。
第2行到第n+1行,每行两个整数,中间用1个空格隔开,分别表示南岸和北岸的一对友好城市的坐标。

输出格式

仅一行,输出一个整数,表示能批准的航道最多申请数。

数据范围
1≤N≤5000,
0≤Xi≤10000
输入样例:
7
22 4
2 6
10 3
15 12
9 8
17 17
4 2
输出样例:
4
//按一遍的城市排序,求另一边的最长上升子序列就是答案
#include <bits/stdc++.h>
using namespace std;
const int N = 5010;
int n;
int f[N];
typedef pair PII;
PII q[N];
int main()
{cin >> n;for(int i = 0; i < n; i++) scanf("%d%d", &q[i].first, &q[i].second);sort(q, q + n);for(int i = 0; i < n; i ++){f[i] = 1;for(int j = 0; j < i;j ++)if(q[i].second > q[j].second) f[i] = max(f[i], f[j] + 1);}int res = 0;for(int i=0; i < n;i ++ ) res= max(res, f[i]);cout << res;return 0;}
4. 最大上升子序列之和
AcWing 1016. 最大上升子序列和

比较简单,就是把求数量问题改为求和问题
把最长上升子序列的状态更新的+1改为+a[i]即可

#include <bits/stdc++.h>
using namespace std;
const int N = 1010;int n;
int q[N];
int f[N], g[N];int main()
{//第一题最长递减子序列模版while(cin >> q[n]) n ++;int res = 0;for(int i = 0; i < n; i ++ ){f[i] = 1;for(int j = 0; j < i;j ++ ){if(q[i] <= q[j]) f[i] = max(f[i],f[j] + 1);}res = max(res, f[i]);}cout << res << endl;//g存所有子序列末尾,cnt来存当前子序列的个数int cnt = 0;for(int i = 0; i < n; i ++){int k = 0; //k是标号, 遍历所有序列//没有遍历完所有序列 && k序列的结尾小于当前数 那么k++,到下一个序列while (k < cnt && g[k] < q[i]) k ++ ;g[k] = q[i];    //这样的存法会让g中递增排序,因此需更新g[k]if (k >= cnt) //说明没有序列大于等于当前数,那么开一个新的序列{cnt++;}}cout << cnt << endl;return 0;
}
6.求能完全覆盖整个序列的最小上升和下降子序列的和

up[k]down[k]记录第k套上升(下降)系统目前所拦截的最后一个导弹
dfs(u,su,sd)意味着已有su个上升,sd个下降,正在处理第u个数
剩下的就是上一个题加深搜模版了,要注意恢复现场,分类讨论dfs的下一层情况

下面解释下存最长上升/下降子序列末尾的数组up[k], down[k]的原理:
例子:3, 2, 4, 3,求down
第一轮为[[3]],第二轮为[[3,2]],第三轮为[[3,2],[4]],第四轮为[[3,2],[4,3]]。因此down为[2,3]
所以down的机制里永远是递增的末尾。up同理

AcWing 187. 导弹防御系统

为了对抗附近恶意国家的威胁,R 国更新了他们的导弹防御系统。
一套防御系统的导弹拦截高度要么一直 严格单调 上升要么一直 严格单调 下降。
例如,一套系统先后拦截了高度为 3 和高度为 4 的两发导弹,那么接下来该系统就只能拦截高度大于 4 的导弹。

输入格式

输入包含多组测试用例。
对于每个测试用例,第一行包含整数 n,表示来袭导弹数量。
第二行包含 n 个不同的整数,表示每个导弹的高度。

当输入测试用例 n=0 时,表示输入终止,且该用例无需处理。

输出格式
数据范围
1≤n≤50
输入样例:
5
3 5 2 4 1
0
输出样例:
2
#include <bits/stdc++.h>
using namespace std;
const int N = 55;
int n;
int q[N];
int ans;
//up[k]和down[k]数组存第k套(上升/下降)数组的最后一个子序列
int up[N], down[N];
//dfs(u,su,sd)意味着已有su个上升,sd个下降,正在处理第u个数
//dfs(第几颗导弹,最长上升子序列个数,最长下降子序列个数)
void dfs(int u, int su, int sd)
{//由于是深搜,为了筛去答案更差的结果,所以更差的就直接return不用算了if(su + sd >= ans) return;if(u == n){//如果说u==n那么就找到了一种匹配的方法ans = su + sd;return;}//情况1:将当前数放到上升子序列中int k = 0;//用来遍历已存在的子序列尾while(k < su && up[k]>q[u]) k++;int temp = up[k];//临时备份up[k]up[k] = q[u]; //用当前数更新第k个上升子序列的末尾if(k < su) dfs(u + 1, su,sd);//k=su代表新开了一个数组up[k] = temp;//恢复现场//情况1:将当前数放到下降子序列中k = 0;while(k < sd && down[k]> n, n){for(int i=0; i < n; i ++) cin >> q[i];ans = n;//更新ans来维护最小防御系统套数dfs(0,0,0);cout << ans << endl;}return 0;
}
7. 最长公共上升子序列

状态表示:

  • f[i][j]代表所有a[1 ~ i]b[1 ~ j]中以b[j]结尾的公共上升子序列的集合
  • f[i][j]的值等于该集合的子序列中长度的最大值

状态计算(对应集合划分):
首先依据公共子序列中是否包含a[i],将f[i][j]所代表的集合划分成两个不重不漏的子集:

  • 不包含a[i]的子集,最大值是f[i - 1][j]
  • 包含a[i]的子集,将这个子集继续划分,依据是子序列的倒数第二个元素在b[]中是哪个数:
    • 子序列只包含b[j]一个数,长度是1
    • 子序列的倒数第二个数是b[1]的集合,最大长度是f[i - 1][1] + 1(倒数第一个数b[j])
    • 子序列的倒数第二个数是b[j - 1]的集合,最大长度是f[i - 1][j - 1] + 1

如果直接按上述思路实现,需要三重循环,对应未优化的朴素算法

然后我们发现每次循环求得的maxv是满足a[i] > b[k]的f[i - 1][k] + 1的前缀最大值。
因此可以直接将maxv提到第一层循环外面,减少重复计算,此时只剩下两重循环。

最终答案枚举子序列结尾取最大值即可。

AcWing 272. 最长公共上升子序列
输入格式

第一行包含一个整数 N,表示数列 A,B 的长度。
第二行包含 N 个整数,表示数列 A。第三行包含 N 个整数,表示数列 B。

输出格式

输出一个整数,表示最长公共上升子序列的长度。

数据范围
1≤N≤3000 ,序列中的数字均不超过 2^31−1。
输入样例:
4
2 2 1 3
2 1 2 3
输出样例:
2
朴素做法,未优化,会超时:
#include <bits/stdc++.h>
using namespace std;
const int N = 3010;
int n;
int a[N],b[N],f[N][N];
int main()
{cin >> n;for(int i = 1;i <=n ;i ++) cin >> a[i];for(int i = 1;i <=n ;i ++) cin >> b[i];//遍历所有状态for(int i = 1;i <=n; i ++)for(int j = 1;j <=n; j ++){//先给把b序列中的新值添加过来,直接继承即可f[i][j] = f[i-1][j];//按这样的状态表示方法,f[i][j-1]不一定存在if(a[i]==b[j])//只有在新添的结尾字符相同时才存在{f[i][j] = max(f[i][j], 1);//答案至少为1,且要是公共的,所以只能写在这里//把b[j]前的所有a遍历一遍,判断上升for(int k = 1;k < j; k++)if(b[k] < b[j]) f[i][j] = max(f[i][j], f[i][k] + 1);}}int res = 0;//枚举最大时候让a全选,然后枚举max的bfor(int i = 1; i <= n; i ++) res = max(res, f[n][i]);cout << res;return 0;
}
优化就是对代码做等价变形
#include <bits/stdc++.h>
using namespace std;
const int N = 3010;
int n;
int a[N],b[N],f[N][N];
int main()
{cin >> n;for(int i = 1;i <=n ;i ++) cin >> a[i];for(int i = 1;i <=n ;i ++) cin >> b[i];for(int i = 1;i <=n; i ++){int maxv = 1;for(int j = 1;j <=n; j ++){f[i][j] = f[i-1][j];if(a[i] ==b[j]) f[i][j] = max(f[i][j], maxv);if(b[j] < a[i]) maxv = max(maxv, f[i][j] + 1);}}int res = 0;for(int i = 1; i <= n; i ++) res = max(res, f[n][i]);cout << res;return 0;
}

这篇关于最长子序列总结的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/773897

相关文章

Python版本与package版本兼容性检查方法总结

《Python版本与package版本兼容性检查方法总结》:本文主要介绍Python版本与package版本兼容性检查方法的相关资料,文中提供四种检查方法,分别是pip查询、conda管理、PyP... 目录引言为什么会出现兼容性问题方法一:用 pip 官方命令查询可用版本方法二:conda 管理包环境方法

pycharm跑python项目易出错的问题总结

《pycharm跑python项目易出错的问题总结》:本文主要介绍pycharm跑python项目易出错问题的相关资料,当你在PyCharm中运行Python程序时遇到报错,可以按照以下步骤进行排... 1. 一定不要在pycharm终端里面创建环境安装别人的项目子模块等,有可能出现的问题就是你不报错都安装

Python的Darts库实现时间序列预测

《Python的Darts库实现时间序列预测》Darts一个集统计、机器学习与深度学习模型于一体的Python时间序列预测库,本文主要介绍了Python的Darts库实现时间序列预测,感兴趣的可以了解... 目录目录一、什么是 Darts?二、安装与基本配置安装 Darts导入基础模块三、时间序列数据结构与

Python中logging模块用法示例总结

《Python中logging模块用法示例总结》在Python中logging模块是一个强大的日志记录工具,它允许用户将程序运行期间产生的日志信息输出到控制台或者写入到文件中,:本文主要介绍Pyt... 目录前言一. 基本使用1. 五种日志等级2.  设置报告等级3. 自定义格式4. C语言风格的格式化方法

Spring 依赖注入与循环依赖总结

《Spring依赖注入与循环依赖总结》这篇文章给大家介绍Spring依赖注入与循环依赖总结篇,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录1. Spring 三级缓存解决循环依赖1. 创建UserService原始对象2. 将原始对象包装成工

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

MySQL中查询和展示LONGBLOB类型数据的技巧总结

《MySQL中查询和展示LONGBLOB类型数据的技巧总结》在MySQL中LONGBLOB是一种二进制大对象(BLOB)数据类型,用于存储大量的二进制数据,:本文主要介绍MySQL中查询和展示LO... 目录前言1. 查询 LONGBLOB 数据的大小2. 查询并展示 LONGBLOB 数据2.1 转换为十

Linux中的自定义协议+序列反序列化用法

《Linux中的自定义协议+序列反序列化用法》文章探讨网络程序在应用层的实现,涉及TCP协议的数据传输机制、结构化数据的序列化与反序列化方法,以及通过JSON和自定义协议构建网络计算器的思路,强调分层... 目录一,再次理解协议二,序列化和反序列化三,实现网络计算器3.1 日志文件3.2Socket.hpp

在Java中实现线程之间的数据共享的几种方式总结

《在Java中实现线程之间的数据共享的几种方式总结》在Java中实现线程间数据共享是并发编程的核心需求,但需要谨慎处理同步问题以避免竞态条件,本文通过代码示例给大家介绍了几种主要实现方式及其最佳实践,... 目录1. 共享变量与同步机制2. 轻量级通信机制3. 线程安全容器4. 线程局部变量(ThreadL

Spring Boot 与微服务入门实战详细总结

《SpringBoot与微服务入门实战详细总结》本文讲解SpringBoot框架的核心特性如快速构建、自动配置、零XML与微服务架构的定义、演进及优缺点,涵盖开发环境准备和HelloWorld实战... 目录一、Spring Boot 核心概述二、微服务架构详解1. 微服务的定义与演进2. 微服务的优缺点三